神经元节点的个数，隐藏层的个数，都是可以调理的，Optimer优化器有'SGD','mSGD','nSGD','AdaGrad','RMSProp','nRMSProp','Adam'，激活函数有relu和sigmoid
2018/7/25 3:29:44
14.04MB
1
本项目即拿MFC做了一个画板，画一个数字后可自行识别数字。
有保存图片，清空画板功能，简单实用。
识别方法为SVM，调用已经训练好的MNIST数据集"SVM_DATA.xml"训练方法自行百度，一大堆。
。
。
基于OpenCv2.4.6,下载的朋友自行修改配置为本人使用的OpenCv版本即可。
有保存图片，清空画板功能，简单实用。
识别方法为SVM，调用已经训练好的MNIST数据集"SVM_DATA.xml"训练方法自行百度，一大堆。
。
。
基于OpenCv2.4.6,下载的朋友自行修改配置为本人使用的OpenCv版本即可。
2020/5/12 19:21:26
10.93MB
1
包括详细讲解与源代码，目的是将一幅图像中的数字识别出来，图像中数字有一定的倾斜角度，且各个部分光照不均，数字大体分布位置相同。
作者根据图像的这些性质，对图像进行分析，写出了识别数字的一个算法，该算法先对图像进行尺度变换，将倾斜的图像正立，同时提取图像中的数字部分，再对数字进行特征的提取，最后确定所识别的是哪一个具体数字。
在识别过程中，由于数字的特征不同，识别难度也不同，因而识别时有顺序区别，遵循先识别较难识别的数字，再识别简单的，并不是严格按照从0到9的顺序。
对于题目材料中所给的6幅图像能进行准确的识别，作者再将材料中的某些图像稍加改动后，仍能识别，识别效果较好。
作者根据图像的这些性质，对图像进行分析，写出了识别数字的一个算法，该算法先对图像进行尺度变换，将倾斜的图像正立，同时提取图像中的数字部分，再对数字进行特征的提取，最后确定所识别的是哪一个具体数字。
在识别过程中，由于数字的特征不同，识别难度也不同，因而识别时有顺序区别，遵循先识别较难识别的数字，再识别简单的，并不是严格按照从0到9的顺序。
对于题目材料中所给的6幅图像能进行准确的识别，作者再将材料中的某些图像稍加改动后，仍能识别，识别效果较好。
2017/5/25 10:37:30
200KB
1
使用Python+TensorFlow，全连接的神经网络，基于MNIST数据集。
数据集包含60000张训练图片，10000张测试图片。
MNIST_model文件夹是已经训练30000次的模型，也可以本人再训练。
app.py文件可以测试本人的图片。
也可以到github下载https://github.com/BuXianShan/Handwritten-Numeral-Recognition
数据集包含60000张训练图片，10000张测试图片。
MNIST_model文件夹是已经训练30000次的模型，也可以本人再训练。
app.py文件可以测试本人的图片。
也可以到github下载https://github.com/BuXianShan/Handwritten-Numeral-Recognition
2018/2/6 15:10:15
17.36MB
1
网上大多都是windows上面的简单数字识别,由于好多资源,都要分才能下载,我也挣个小分,多多关照.今天提供一个linux的,内容包括Makefile,图片文件资源和已经制造好的数字模板.
2016/6/25 7:10:56
17KB
1
MatlabReadMNIST是用来从train-labels-idx1-ubyte，train-images-idx3-ubyte，t10k-labels-idx1-ubyte，t10k-images-idx3-ubyte中获取数据的（已经获取好了），只需运行ceshi.m就可以了，修改ceshi.m读入的图片就可以识别不同的图片，自己提供输入图片也可以，不过要注意输入图片的大小要是28*28
2021/5/17 21:31:51
32.53MB
1
本程序有三个cpp文件，main.cpp为测试文件；
prepare.cpp为预处理文件；
train_SVM为SVM的训练文件。
概况可参考博客：https://blog.csdn.net/didi_ya/article/details/114362904
prepare.cpp为预处理文件；
train_SVM为SVM的训练文件。
概况可参考博客：https://blog.csdn.net/didi_ya/article/details/114362904
2017/4/3 11:17:07
103.74MB
1
超强的带DP学习的图像自动识别程序，是VB源码，经过我的测试，非常好用，数字识别率在90%以上，可直接用于你的项目，经过简单修正你可以用作动态拍摄识别。
2017/8/18 22:02:05
80KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB